阿里巴巴
数据研发工程师
数据研发工程师
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Etl
Llm
Sql
Udf
元数据管理
大数据
数据仓库
数据模型设计
数据治理
值不值得投
75综合评分
综合评分 75
海量数据平台核心岗，大数据与 LLM 应用双线发展，成长性强，薪资与 WLB 需在沟通中确认。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
3.3万
比数据工程中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 4140 个在招 · 其中数据工程 73 个
市场机会
选择面较广
杭州 · 数据工程 · 约 110 个在招
职位详情
关于这个职位
在阿里巴巴大数据体系内负责海量数据的处理、建模与资产化管理，建设元数据、数据血缘、数据质量等核心数据资产模块，并参与 AI Copilot、AI 自动取数等「AI+大数据」创新探索
适合既懂大数据开发、又有 LLM/Agent 实践经验的工程师
最低要求
本科及以上学历，计算机、统计、数学等相关专业优先
熟悉大数据、数据仓库、分布式架构技术理论
具备大数据开发经验者优先
熟练处理数据模型、数据 ETL、SQL、UDF 及存储管理，具备数据治理经验的优先
对大数据技术及开源框架充满热情，具有钻研精神，强自我学习能力
对 AI、AI 应用框架有一定的理解，使用 Python 编程，并有实际 LLM 或者 Agent 应用探索经验
工作职责
负责海量大数据处理、解析、分析、挖掘、研发及优化工作
负责基于大数据体系的数据模型设计、数据分层架构建设与数据资产管理，支撑 EB 级数据的规范化、资产化管理
负责元数据管理、数据血缘、数据质量监控、数据标准等核心数据资产模块的研发与落地，提升数据可信度与可用性
参与大数据 AI Copilot、AI 自动取数、AI 自动数据分析，通过 AI+大数据的力量，让数据价值最大化
优先资格
计算机、统计、数学等相关专业优先
具备大数据开发经验者优先
具备数据治理经验者优先
AI 洞察
优缺点分析
优点
- 数据体量与复杂度极高，EB 级数据资产建设经验在业内稀缺且可迁移性强
- 岗位同时覆盖大数据与 LLM/Agent 应用，能积累「AI+数据」的复合背景，技术栈不易过时
- 平台侧的数据治理、元数据与质量体系相对成熟，可系统学习规范化的数据工程方法论
- 北京、杭州两地可选，团队与办公地的选择空间相对灵活
- AI Copilot、自动取数等方向仍在探索期，目标定义和产出效果存在不确定性
- 海量数据场景对性能与数据质量要求高，问题定位和排查难度大
- 适合已有大数据开发基础、又不满足于只写 ETL，希望把数据建设与 LLM/Agent 应用结合起来的工程师
缺点 / 挑战
- 数据资产与治理类工作需协调多个业务方，推动标准落地和改造成本的沟通成本较高
角色解读
- 纵向路径：数据研发工程师 → 高级/资深数据研发 → 数据架构师或数据平台技术负责人
- 横向路径：可转向数据治理与数据资产产品、数据+AI 算法应用、数据中台解决方案等方向
- 在超大规模型场景中积累的建模与 AI 应用经验，具备很强的行业迁移能力
- 负责 EB 级海量数据的处理、解析、分析与挖掘，持续优化数据链路与研发效率
- 设计数据模型与数据分层架构，建设数据资产管理体系，让数据可规范、可复用
- 研发元数据管理、数据血缘、数据质量监控、数据标准等核心平台模块，提升数据可信度
- 参与大数据 AI Copilot、AI 自动取数、AI 自动数据分析等创新项目，把 AI 能力落地到真实数据场景
- 扎实的大数据与数仓功底：分布式架构、Hive/Spark/Flink 等计算引擎、ETL 链路与存储管理
- 熟练的 SQL/UDF 开发能力与数据模型设计经验，理解数据治理与元数据管理方法论
- Python 编程能力，并对 LLM、Agent 应用框架有实际动手探索经验
- 较强的自驱学习与钻研能力，能快速跟进大数据与 AI 开源生态的新进展
申请策略
- JD 明确偏好「大数据 + AI 应用」复合背景，简历与面试都要把这条主线讲清楚，避免只呈现纯数仓经历
- 投递时确认具体归属团队（数据中台 / 数据资产 / 智能化取数），不同团队方向与成长路径差异较大
- 突出数仓分层建模、数据资产或数据治理项目，写清数据规模、表数量、接入业务方数量等具体量级
- 量化 ETL/SQL/任务调优成果，如任务耗时下降比例、资源成本降低、数据质量告警减少等
- 单独列出 LLM/Agent 相关实践：NL2SQL、AI 取数、数据分析助手等项目的角色与效果
- 体现 Python 工程能力与主流开源组件（Spark、Flink、Hive、调度系统等）的使用经验
- 补齐数据治理知识体系：元数据、数据血缘、数据标准、质量规则与数据资产盘点方法
- 动手练习 NL2SQL/Text2SQL、Agent 编排（Function Call、LangChain 等）等数据+AI 场景
面试指南
- 项目类问题用「背景—难点—方案—结果」四段式，重点讲清你个人的技术决策与取舍，结果尽量量化
- 平台/治理类问题先讲整体分层架构，再讲关键模块设计与落地踩过的坑，最后给出度量指标
- AI 应用类问题坦诚说明探索阶段的效果边界与评估方式，给出迭代路径比夸大效果更有说服力
- 请介绍一个你主导的数据模型设计或数仓分层改造项目，如何权衡规范性与业务交付速度？
- 数据血缘与元数据管理你会怎么设计？跨系统解析和更新时效问题如何解决？
- 讲一个你做过的 SQL/UDF 或任务性能优化案例，问题定位过程和最终收益是什么？
- 你做过哪些 LLM/Agent 应用探索？NL2SQL 准确率不达标时你怎么改进？
- 数据质量监控体系如何设计？如何定义核心指标并控制误告警？
职位点评
薪资福利78
成长发展88
工作生活55
使命价值70
薪资福利
78中等
JD 未披露薪资、福利与发放方式，补偿性回报需在沟通中确认；但岗位要求大数据与 AI 复合技能，求职者在谈薪时具备一定技能筹码。
薪资信号未披露（AI估算：2.3千–4.2万/月）
成长发展
88较高
岗位同时覆盖数据建模、数据治理与 LLM/Agent 应用，技术栈横跨大数据与 AI，且明确要求持续钻研开源技术，成长空间比较明确。
技术前沿主流现代技术
技术栈大数据、数据仓库、分布式架构、ETL、SQL、UDF、元数据管理、数据血缘、数据质量、Python、LLM、Agent
成长机会强自我学习能力、钻研精神
业务类型ambiguous
工作生活
55较低
JD 未提及办公模式、弹性机制或加班情况，WLB 无法从文本判断；办公地为企业园区，通勤与周边配套需自行评估。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
岗位面向企业级数据资产与 AI 数据应用的基础设施建设，属于数据底座方向，行业成熟度较高，社会价值偏中性，但「让数据价值最大化」的目标感较清晰。
行业发展稳定成熟行业
社会影响中性/一般
使命信号让数据价值最大化
创新程度积极采用新技术
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs